불꽃 제거: 제3장 추적 알고리즘

3835 단어 Python
제3장 추적 알고리즘의 알고리즘은 Python에서 실현된다.
불꽃이 사방으로 튀다
다음과 같은 탐욕법과 완화 수법을 실시한다. IRLS가 수상한데..

탐욕법

  • OMP
  • 직교 일치 추적
  • 일치 추적(matching pursuit, MP)
  • 약한 일치 추적(weak matching pursuit, WMP)
  • 임계값 알고리즘
  • 완만하고 돌출된 수법

  • 중복 가중권의 최소 2승법(iterative reweightted-lease-sqaurs;IRLS)
  • 탐욕법의 개요


    초기화


    $k=0$으로
  • $\mathbf{x}^{0}=\mathbf{0}달러
  • 초기 해제
  • 초기 잔차 $\mathbf{r}^{0} =\mathbf{b}달러
  • 풀기 초기 지원 $S^{0} =\emptyset 달러
  • 주 순환


    다음 단계를 수행합니다.
  • 오차 계산, 업데이트 지원: $\mathbf{A}에서 최잔차 $\mathbf{r}^{k}달러의 열을 빼기$\mathbf{a}$S^k달러
  • 에 달러 추가
  • 잠정계 업데이트:\$|mathbf{Ax]-\mathbf{b]\^{2}{2}\,\rm{subject}\,rm{to}\,\rm{Support}\{mathbf{x}=^{k}달러의 최적 해설은 $\mathbf{x}^{k}달러
  • 잔차 업데이트: $\mathbf{r}^{k}=\mathbf{b]-\mathbf{Ax}^{k}달러 계산
  • 중지 조건:{0} 달러 종료, 그렇지 않으면 중복
    계산 오류, 업데이트 지원 $\mathbf{A}모든 열$\mathbf{a}내적 $\mathbf{r}과 잔차 $\mathbf{r}의 내적을 계산하여 내적의 절대값을 지원에 추가합니다.

    탐욕법 알고리즘의 차이

  • OMP
    유지
  • 이상
  • MP
  • $\mathbf{A}달러\mathbf{a} 대신 새로운 지원 추가j달러만 업데이트 잠정 해제
  • WMP
  • $t\, (0
  • 오차 계산 및 업데이트 지원 $\mathbf{r]^{k-1} 및 내적의 절대값은 $t\|\mathbf{r}^{k-1}\|$\mathbf{a}j$를 찾으면 계산을 중지합니다
  • 한도값 알고리즘
  • 지원에 포함된 기본 함수 개수 $k$k를 슈퍼 매개 변수
  • 에 추가
  • 와 $\mathbf{b}달러의 내적 절대치의 큰 $\mathbf{a}j$k에서 $k$를 지원합니다. 그리고 최소 2 곱하기 문제를 해결하십시오 $\mathbf{x}.
  • IRLS의 개요

  • $\left(P{0}\right)$문제가 아니라 문제 해결
  • 가중 $L달러 할당량 $L{1}근사정액구해$\left(P{1}\right)$문제
  • 해석을 얻기 위해 반복적으로 진행해야 한다
  • 초기화


    $k=0$으로
  • 초기 근사해\mathbf{x]^{0}=\mathbf{1}$(전체 1개 벡터)
  • 초기 가중치 매트릭스 $\mathbf{X}^{0} =\mathbf{I}달러
  • 주 순환


    다음 단계를 수행합니다.
  • 최소 2승법: 선형 연립 방정식 $\mathbf{x}{k} =\mathbf{X}_{k-1]^{2}\mathbf{A}(\mathbf{A}\mathbf{X] {k-1}^{2}\mathbf{A})^{+}\mathbf{b}직접 또는 중복법으로 $, 근사해 $\mathbf{x}득k$.
  • 가중치 업데이트: $X{k}(j,j)=|x_{k}(j)|^{0.5} 가중 대각선 행렬 업데이트 $\mathbf{X}달러
  • 중지 조건: $\\\mathbf{x}{k}-\mathbf{x}_{k-1}\|_${2}이 미리 정해진 한도값보다 작으면 끝납니다.
  • 실험


    모방하다


    50차원 벡터
    30 차원 벡터
    $\mathbf{A}$ 30×50차원 행렬, $[1,1)$의 균일 무작위 수열 귀일화
  • 달러\mathbf{x}는 비영원소의 수량 $k로 $[-2,-1]\cup[1,2]달러 범위의 고른 분포에서 id를 추출한다.
  • $k=1,...,10달러당 200회 시뮬레이션
  • 지표

  • 예상 $\mathbf{\hat{x} 및 실제 $\mathbf{x}의 $L2달러 기준
  • 예상 $\mathbf{\hat{x}와 실제 $\mathbf{x} 사이의 지원 거리 $dist(\hat{S}, S)=\racc{max\{{{{{{{{{{{{{{|hat{S}|,|S|||||S|||||||||||||||||||||||||||||||||||||||||||||hat{S}\cap S||||||||||||||||||||
  • 200회 아날로그 평균 획득

    결실


    평균 $L{2}달러 오차
    코드와 실험 결과를 요약한 Jupter notebook
  • k가 클수록 오차가 크다
  • IRLS의 오차는 적지만 $L{2} 달러 오차라 당연하죠
  • OMP도 열심히 하고 속도도 빨라
  • 평균 지원 간격
  • k가 낮을 때 IRLS의 지원 간격이 커졌다. 교과서에 이런 상황이 없기 때문에 중복이 부족하거나 고장이 났을 수도 있다
  • OMP도 열심히 하고 있습니다



  • 고찰하다.

  • OMP 노력
  • IRLS와 교과서의 결과가 일치하지 않아 원인을 연구해야 한다
  • 좋은 웹페이지 즐겨찾기